「AI基准测试」共找到 10997 篇相关文章
OpenAI公开新的模型训练方法：或许能解决模型撒谎问题，已在GPT-5 thiking验证
OpenAI公开名为“坦白”的模型训练方法，可解决LLM欺骗行为。该方法强制模型自我反省，“坦白”奖励与“主要回答”奖励分离。在GPT - 5 - Thinking上实验，能提升不良行为可见性，但对“无知的错误”有局限。
还是谷歌懂程序员？Demis 采访首提“氛围编程”，Gemini 3 彻底戒掉“爹味”说教
谷歌连发产品，Gemini 3 余温未消又推出 Nano Banana Pro。Google DeepMind CEO Demis 与团队副总裁对话谈其细节，包括降低运行成本、调整“人设”、提出“氛围编程”，还认为 AGI 到来需 5 到 10 年及研究突破。
开发者把掌舵人骂到关回复！Windows 要变成“Agent OS”？这位印度裔高管遭遇大型翻车现场
微软 Windows 掌门人 Pavan Davuluri 推文宣告 Windows 将演变为 Agentic OS，却遭开发者和用户吐槽，评论区失控后他关闭评论。微软全力推动转型，CEO Nadella 阐述宏观理念，但用户更想要稳定可靠的系统。
他们，诠释了 QCon 的技术厚度 | 2025 QCon 上海站优秀出品人与明星讲师揭晓
2025 QCon全球软件开发大会（上海站）圆满落幕，超1300人参与。大会聚焦可持续工程能力建设，强调‘落地实践’。收官之际揭晓优秀出品人与明星讲师，他们推动知识流动，诠释QCon技术厚度。
Nano Banana 2突然现身！能画公式解数学题，监控画面都能伪造
Nano Banana 2代以预览版现身第三方网站，后被移除。其能力远超1代，能处理复杂提示，可生成复杂UI、解数学题甚至伪造监控画面。谷歌正将Nano Banana整合进核心产品生态。
让本地大模型不再重复推理的缓存技巧
本地跑大模型时，同样问题换说法问，模型又要重新推理。`constraint-cache`这个Python库可解决此问题，它将语义相似查询规范化为统一缓存键，实现近乎即时的重复查询响应，还避免了随机性响应问题。
大涨240%，Doc-Researcher确立多模态文档深度研究新范式
在ChatGPT引领的AI革命中，大语言模型面对专业复杂文档常“束手无策”。Doc-Researcher提出三位一体解决方案，构建M4DocBench评测，性能远超现有方案，还适用于多产业场景。
推理时扰动高熵词，增强LLM性能
香港科技大学（广州）研究团队发现LLM推理时，一小部分高熵词显著影响输出正确性。基于此提出MTI方法，含Selective CFG intervention与Lightweight negative - prompt guidance，无需额外训练，能提升模型推理能力。
连马桶都会看图说话了，巨头敢卖，你敢坐么？
老牌卫浴巨头科勒发布马桶相机Dekoda，599美元，拍照识别屎尿分析健康，还能区分用户。此外，Throne等公司也有相关产品。这些产品定位健康管理，不过面临信任、算法准确性等挑战。
刚刚，美团推出 136 亿参数视频生成模型
美团推出 136 亿参数视频生成基础模型 LongCat-Video，采用 MIT 开源协议。该模型覆盖文本、图像生成视频及视频续写三类任务，能生成分钟级长视频。效率高，评测数据表现佳，安装和运行简便，引网友惊叹。